生成式 AI 更进一步
创建书面、视觉和听觉内容
已是手到擒来
成为人工智能领域新的关键词
从解决方案与工具、落地路径
以及成功案例等层面
全面探讨
生成式 AI 应用落地的道与术
生成式 AI 开发用什么？
Azure AI 及 Azure OpenAl 服务
Azure AI 服务包括了 Azure 机器学习平台、认知服务和应用 AI 服务。其中，Azure 认知服务有五大支柱，分别是视觉、语音、语言、决策和 Azure OpenAI 服务。
Azure AI 服务通过现成的预生成可定制的 API 和模型，帮助开发人员和组织快速创建智能、前沿、面向市场且负责任的应用程序，包括对话、搜索、监视、翻译、语音、视觉和决策的自然语言处理。这意味着，您可以使用 Azure AI 组合构建企业规模的智能应用，并使用生成式 AI 重新构想你的业务。
微软 Azure 作为 OpenAI 的独家云服务提供商，自 2019 年开始便以出色的、面向 AI 时代的领先架构，为 OpenAI 的快速发展提供助力。基于双方的战略合作，现在 Azure 全球版客户可以通过 Azure OpenAI 服务直接调用 OpenAI 全部模型，包括 ChatGPT、GPT-4、GPT-4 vision、Codex 和 DALL.E 等模型，并享有 Azure 企业级 99.9% 的可用性 SLA、企业级安全保障和为人工智能优化的基础设施。目前有 18,000 多家组织使用 Azure OpenAI 服务。
生成式 AI 落地怎么做？
生成式人工智能落地实践的四种路径
微软为各行业客户 根据 AI 战略阶段不同提供四个层次的 AI 创新支持：
结合您的现有数据直接使用 Azure OpenAI 模型——适合各类 AI 场景的实现
Prompt engineer 提示工程优化——提高大语言模型生成响应的准确性
基于现有模型进行 Fine-tuning 微调——使用示例数据重新训练现有的大型语言模型，从而生成使用提供的示例经过优化的新的“自定义”大型语言模型
训练您的自有模型——Azure AI Infra 云端大规模 AI 算力平台方案
其中，90% 的使用场景可以通过前两层的落地方案实现。在任何路径下，您都可以通过使用检索增强生成 (RAG) 模式，与预训练的大型语言模型 (LLM) 和你自己的数据配合使用以生成响应。
同时，也可以通过使用 Azure 大语言模型运营功能 (LLMOps) 实现高效提示工程和开发部署，以简化的过程来管理大模型应用的端到端生命周期。
生成式 AI 应用能做什么？
6大行业案例参考
在白皮书中还记录了包含汽车、零售、消费电子、游戏、专业服务等行业的6大生成式AI落地成功案例，其中包含语音助手增强、在线购物搜索、工作流程提效、游戏创作、客户服务等多类型落地应用场景。
想要了解更多行业案例详情？
想要查看更多Azure AI解决方案？
想要探索更切实的生成式AI落地路径？
